当前位置：

社区首页

电脑数码

智能设备

智能机器人

文章详情

Lobster OpenClaw 卸载指南

即使是真龙虾，也不是每个人都适合吃的。
用这句话来形容目前绝对顶尖的 AI 平台 OpenClaw 可能非常贴切。

这一幕营造了一种强烈的错失恐惧感，让无数人心想：“我也想要一个。”

于是，一场关于龙虾的集体狂热开始了。然而，没有人提到应该用什么锅来烹制这只“龙虾”，需要烧多少柴火，以及它一进厨房会不会顺便把冰箱里的东西都吃光。

今天，我们不讨论改变世界的宏大叙事；我们只来计算一下普通人饲养 OpenClaw 需要付出多少成本。

月薪两万，连只龙虾都买不起。

首先，如何体验 OpenClaw？

目前最完善的方案是准备一台长时间在线的本地硬件。OpenClaw 的创始人 Peter Steinberger 曾使用一台 Mac Mini 运行 Agent，连接本地文件和各种工具来持续处理各种任务。

因此，苹果的 Mac mini 在各大电商平台上迅速售罄，苹果官网显示，目前订单的最快发货时间也要到 4 月底；一些二手平台甚至衍生出了“租用 Mac mini 来养龙虾”之类的服务。

但是，如果要使用本地模型来降低 API 成本，硬件门槛就会突然提高。

如果想节省硬件成本，可以选择云服务器

腾讯云和阿里云都提供一键部署方案，价格从几十元到几百元不等；
而正式上线的 Kimi Claw、MaxClaw 以及 AutoClaw，都主打即插即用。

如果买不起机器怎么办？

OpenClaw 对系统环境的要求极其苛刻，尤其是 Node.js 的版本。无数充满热情的年轻人熬夜跟着教程苦练，最终却卡在了命令行错误界面。

这种想用却用不了的焦虑也催生了一个利润丰厚的 OpenClaw 安装行业：

在国内平台上，远程安装的价格从几十元起，而上门服务的价格通常在500到1500元之间；
一家名为 SetupClaw 的国外网站报价则高达 3000 到 6000 美元。

即使你成功部署了龙虾，也建议你注意后续可能出现的陷阱。

在聊天机器人时代，用户按月付费订阅；
只需问一次，回答一次，费用固定。
但一旦智能代理开始运行任务，每次读取网页、调整工具、检查文件、重试错误时，都会消耗大量的令牌来承担负载。

这让我想起最近流行的说法：“月薪两万块，你买不起 OpenClaw。”

OpenClaw 的官方文档明确指出：培养一只“龙虾”的成本不仅来自核心模型的响应，还来自网页读取、内存检索、压缩摘要、工具调用，以及塞入系统提示符中的工作区文件和引导配置。

随着上下文的延长和调用次数的增加，销毁代币的代价相当于两次打击。具体来说，基于 2026 年 3月的市场情况，使用 Claude Sonnet 运行 OpenClaw，在一个月内累积 1000 万个输入代币和 1000万个输出代币，成本接近数百美元。

如果你真的把它当作一个全天候执行代理，使用高级模型来运行更具挑战性的任务，那么每月超过一千美元的费用也就不足为奇了。

市场数据也证实了这种销毁方式：OpenRouter 直接处理的代币数量从每周 64 万亿增加到 130 万亿。

在这个生态链中，最大的赢家总是那些找到 C 端场景、利用计算能力和 API 获利的大型 AI 制造商；
第二梯队由云供应商和“知识付费者”组成，他们通过服务和信息不对称赚钱；
唯一受损的一方是普通用户，他们付费销毁代币并承担系统性风险。

虽然还没安装 OpenClaw，但已经支付了第一笔安全学费。

安全问题

退一步说，即使你不缺钱，安全问题才是雷区。

微软安全团队此前曾警告过龙虾的危险：OpenClaw 应被视为“携带持久凭据的不受信任的代码执行环境”，不适合直接在标准个人电脑或企业工作站上运行。

问题不在于它是否能用，而在于它本身就处于非常危险的境地。高权限、高连接性和高自动化程度的结合，本应让人不敢掉以轻心。但许多人安装 OpenClaw 时，却抱着安装聊天软件的心态，最终很容易陷入混乱。

根据奇虎 360 的数据，Shodan 平台的监控显示，超过十万个 OpenClaw 实例直接暴露在公共互联网上，处于零认证状态，其中相当一部分位于中国境内。

工业和信息化部也发布了风险警告，指出 OpenClaw 网关在默认配置下不验证请求来源。用户只需不小心点击浏览器中的恶意链接，攻击者即可通过本地端口接管代理的整个系统权限。

更麻烦的是，有些人甚至还没有安装正版软件，就已经支付了第一笔学费。

安全研究公司 Huntress 上个月发现，有人利用 OpenClaw 的流行度在 GitHub 上伪造安装包，嵌入了窃取信息的 Vidar 木马和 GhostSocks 代理恶意软件。

甚至连必应搜索广告也被用于恶意引流，用户搜索 “OpenClaw Windows” 后，人工智能会推荐直接指向新创建的恶意 GitHub 仓库的链接。这批伪造的安装包于 2 月 2 日至 2 月 10 日期间上传，并在网上停留了整整八天。

插件

插件生态系统也是一个暗藏陷阱的地方。

网络安全机构经过审计发现，ClawHub 插件市场中约 12% 的技能包含恶意代码，这些恶意代码通常伪装成加密货币助手、YouTube 工具和其他热门类别，在后台秘密执行正常任务的同时窃取 SSH 密钥、浏览器密码和 API 密钥。

由于插件大多以 Markdown 或 YAML 格式存储，普通用户很难用肉眼识别它们。

即使官方已经移除了已知的恶意插件，GitHub 仓库仍然保留着历史备份。你根本不知道别人为你安装的版本包含哪些插件，而且通常连安装程序本身也无法清楚地解释。

即使用户足够专业，这类风险也不会自动消失。

Meta AI 的安全研究总监 Summer Yue 将她的工作邮箱连接到 OpenClaw 后，该代理开始快速删除邮件，对她反复发出的“停止”命令毫无反应。最终，她不得不物理断开计算机的连接才能阻止邮件丢失。

原因并非模型不够智能，而是 OpenClaw 的上下文压缩机制在处理大量邮件时忘记了“未经确认不得执行”的基本指令。在系统设计的优先级中，根本没有“用户可以随时停止”这一选项。

即使是人工智能安全风险领域的顶尖专家，在关键时刻也无法踩下刹车，最终导致系统崩溃。普通用户面临的风险自然不难想象。

毕竟，大家的焦虑并非毫无道理。去年的 DeepSeek 就像今天的 OpenClaw ；
人工智能每隔一段时间就会创造出一种全新的技术，将人们逼到“不用就会被时代抛弃”的心理边缘。

但通常情况下，真正拖累人们的并非工具不够先进，而是工具太多、太混乱、太嘈杂。

今年三月《哈佛商业评论》的一项研究用数据证实了这种情况：

研究人员调查了 1488 名全职员工后发现，同时使用三种以上的 AI 工具实际上会降低生产力。
他们将这种状态称为“人工智能大脑过载”，其典型表现为注意力饱和、决策疲劳和持续的思维混乱。经历这种状态的员工比其他员工离职的意愿高出39%。即使是最擅长使用人工智能的人，有时也会被人工智能以另一种形式“击败”。